文献

J-GLOBAL ID：201802251474929161   整理番号：18A0943335

交通信号検出器へのディジット分類器の特徴の伝達【JST・京大機械翻訳】

Transferring digit classifier’s features to a traffic sign detector

著者 (5件)： He Hongliang (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Hui Le (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Gu Wenyi (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Zhang Shanshan (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China) ,  Yang Jian (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： PIC  ページ： 455-460  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 交通標識検出システムは,自己駆動車の最も重要な部分の1つである。小規模特性と道路環境の複雑さのために,交通標識を正確に検出して分類することは困難である。本研究では,トラフィック符号検出のための特徴転送の新しいフレームワークを提案した。著者らは,数字分類器の特徴を検出器に移すことによって,野生におけるトラフィック符号検出性能を改善した。具体的には,著者らは,各画像がトラフィック符号検出データセットからクロップされ,次に,検出器への追加の監視として分類器の高レベル特徴を使用する,数字訓練集合上で畳込みニューラルネットワーク(CNN)分類器を訓練する。追加の監視の助けを借りて,検出器は交通標識のより良い表現を学習することができた。広範な実験により,本手法の有効性を検証した。著者らの方法は,最大の交通標識検出データセット,Tsinghua-Tencent 100Kに関する交通標識検出作業において,最先端の性能を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *検出器 ,  画像 ,  数字 ,  小規模 ,  *信号検出器 ,  交通標識
準シソーラス用語： 検出能 ,  複雑性 ,  道路環境 ,  検知システム , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 交通 ,  信号検出器 ,  ディジット ,  分類器